预测客户流失的决策树分类器示例

预测客户流失的决策树分类器示例

概述

该项目演示了如何使用决策树分类器来预测客户流失（客户是否离开服务）。该数据集包括年龄、每月费用和客户服务电话等特征，目的是预测客户是否会流失。

模型使用 Scikit-learn 的决策树分类器进行训练，代码将决策树可视化，以便更好地理解模型如何做出决策。

---

使用的技术

• Python 3.x：用于构建模型的主要语言。
• Pandas：用于数据操作和处理数据集。
• Matplotlib：用于数据可视化（绘制决策树）。
• Scikit-learn：用于机器学习，包括模型训练和评估。

---

步骤说明

1. 导入必要的库

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

• 熊猫（pd）：

  • 这用于数据操作和将数据加载到 DataFrame 格式。 DataFrame 允许您组织和操作结构化数据，例如表（行和列）。

• Matplotlib（plt）：

  • 这是一个用于可视化数据的绘图库。在这里，它用于以图形方式绘制决策树，这有助于理解树的每个节点如何做出决策。

• 警告（警告）：

  • 警告模块用于抑制或处理警告。在此代码中，我们忽略不必要的警告以保持输出干净且可读。

• Scikit-learn 库：

  • train_test_split：此函数将数据集拆分为训练和测试子集。训练数据用于拟合模型，测试数据用于评估其性能。
  • DecisionTreeClassifier：这是将用于对数据进行分类并预测客户流失的模型。决策树的工作原理是根据特征创建树状决策模型。
  • accuracy_score：该函数通过将预测值与目标变量（Churn）的实际值进行比较来计算模型的准确性。
  • tree：该模块包含在训练后可视化决策树的函数。

2. 抑制警告

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

• 这一行告诉 Python 忽略所有警告。当您运行模型并且不希望警告（例如有关已弃用函数的警告）使输出混乱时，它会很有帮助。

3. 创建综合数据集

warnings.filterwarnings("ignore")

• 在这里，我们为该项目创建一个合成数据集。该数据集模拟了一家电信公司的客户信息，具有年龄、月费、CustomerServiceCalls 和目标变量流失（客户是否流失）等特征。

  • CustomerID：每个客户的唯一标识符。
  • 年龄：顾客的年龄。
  • MonthlyCharge：客户每月的账单。
  • CustomerServiceCalls：客户致电客户服务的次数。
  • 流失：客户是否流失（是/否）。

• Pandas DataFrame：数据被构造为 DataFrame (df)，一种二维标记数据结构，允许轻松操作和分析数据。

4. 将数据拆分为特征和目标变量

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

• 特征 (X)：用于预测目标的自变量。在本例中，它包括 Age、MonthlyCharge 和 CustomerServiceCalls。
• 目标变量 (y)：因变量，即您尝试预测的值。这里是“流失”列，表示客户是否会流失。

5. 将数据拆分为训练集和测试集

warnings.filterwarnings("ignore")

• train_test_split 将数据集分为两部分：训练集（用于训练模型）和测试集（用于评估模型）。
  • test_size=0.3：留出30%的数据用于测试，剩余70%用于训练。
  • random_state=42 通过修复随机数生成器的种子来确保结果的可重复性。

6. 训练决策树模型

data = {
    'CustomerID': range(1, 101),  # Unique ID for each customer
    'Age': [20, 25, 30, 35, 40, 45, 50, 55, 60, 65]*10,  # Age of customers
    'MonthlyCharge': [50, 60, 70, 80, 90, 100, 110, 120, 130, 140]*10,  # Monthly bill amount
    'CustomerServiceCalls': [1, 2, 3, 4, 0, 1, 2, 3, 4, 0]*10,  # Number of customer service calls
    'Churn': ['No', 'No', 'Yes', 'No', 'Yes', 'No', 'Yes', 'Yes', 'No', 'Yes']*10  # Churn status
}

df = pd.DataFrame(data)
print(df.head())

• DecisionTreeClassifier() 初始化决策树模型。
• clf.fit(X_train, y_train) 使用训练数据训练模型。该模型从 X_train 特征中学习模式来预测 y_train 目标变量。

7. 做出预测

X = df[['Age', 'MonthlyCharge', 'CustomerServiceCalls']]  # Features
y = df['Churn']  # Target Variable

• clf.predict(X_test)：模型训练完成后，用于对测试集（X_test）进行预测。这些预测值存储在 y_pred 中，我们将它们与实际值（y_test）进行比较来评估模型。

8. 评估模型

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

• accuracy_score(y_test, y_pred) 通过将预测的流失标签 (y_pred) 与测试集中的实际流失标签 (y_test) 进行比较来计算模型的准确性。
• 准确性是衡量有多少预测是正确的。打印出来供评估。

9. 可视化决策树

clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

• tree.plot_tree(clf,filled=True)：可视化训练后的决策树模型。 fill=True 参数根据类标签（流失/无流失）为节点着色。
• feature_names：指定要在树中显示的特征（自变量）的名称。
• class_names：指定目标变量（Churn）的类标签。
• plt.show()：显示树可视化。

---

运行代码

1. 克隆存储库或下载脚本。
2. 安装依赖项：

import pandas as pd
import matplotlib.pyplot as plt
import warnings
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn import tree

1. 运行 Python 脚本或 Jupyter Notebook 来训练模型并可视化决策树。

以上是预测客户流失的决策树分类器示例的详细内容。更多信息请关注PHP中文网其他相关文章！